机器之心报道
机器之心编辑部
假如你有闲置的设备,或许可以试一试。
这次,你手里的硬件设备也能在 AI 领域大展拳脚了。
将 iPhone、iPad、Macbook 进行组合,就能组装成「异构集群推理方案」, 然后顺畅的运行 Llama3 模型。
值得一提的是,这个异构集群可以是 Windows 系统,也可以是Linux、iOS 系统,并且对 Android 的支持很快到来。
异构集群正在运行中。
根据项目作者 @evilsocket 的介绍,这个异构集群包括 iPhone 15 Pro Max、iPad Pro、MacBook Pro (M1 Max)、NVIDIA GeForce 3080、2x NVIDIA Titan X Pascal。所有代码都已经上传到 GitHub。
看到这,网友纷纷表示,这位老哥确实不简单。
![](http://dingyue.ws.126.net/2024/0716/e954810aj00sgpdwx000kd000u0009lm.jpg)
不过也有网友开始担心能耗问题,暂且不管速度,电费都耗不起。来回搬数据,损耗太大了。
![](http://dingyue.ws.126.net/2024/0716/58fa7cdfj00sgpdwx000ed000u00049m.jpg)
![](http://dingyue.ws.126.net/2024/0716/5309f61cj00sgpdwx000fd000u0004gm.jpg)
项目介绍
上述功能的实现,离不开一个名为 Cake 的 Rust 框架。Cake 可以完成大模型(例如 Llama3)的分布式推理,旨在将消费级硬件组合成异构集群,其中消费级硬件采用多种操作系统,包括:iOS、Android、macOS、Linux 和 Windows,从而使 AI 更易于访问。
![](http://dingyue.ws.126.net/2024/0716/9c29c2b6j00sgpdwx0017d000u000csm.jpg)
项目地址:https://github.com/evilsocket/cake
Cake 的主要思路是将 transformer 块分片到多个设备,以便能够让通常不适合单个设备 GPU 内存的模型运行推理。对同一工作线程上的连续 transformer 块的推理是分批进行的,以便最大限度地减少数据传输造成的延迟。
Cake 目前支持的系统和设备如下:
![](http://dingyue.ws.126.net/2024/0716/fddb6957j00sgpdwx001nd000u000mam.jpg)
编译
安装 Rust 后,运行下列代码:
cargo build --release
假如用户想要在应用程序中生成 iOS 绑定,可以进行下述操作:
make ios
使用
运行 worker 节点:
cake-cli --model /path/to/Meta-Llama-3-8B \ # model path, read below on how to optimize model size for workers
--mode worker \ # run as worker
--name worker0 \ # worker name in topology file
--topology topology.yml \ # topology
--address 0.0.0.0:10128 # bind address
运行 master 节点:
cake-cli --model /path/to/Meta-Llama-3-8B \
--topology topology.yml
其中 topology.yml 确定哪些层由哪个 worker 提供服务:
linux_server_1:
host: 'linux_server.host:10128'
description: 'NVIDIA Titan X Pascal (12GB)'
layers:
- 'model.layers.0-5'
linux_server_2:
host: 'linux_server2.host:10128'
description: 'NVIDIA GeForce 3080 (10GB)'
layers:
- 'model.layers.6-16'
iphone:
host: 'iphone.host:10128'
description: 'iPhone 15 Pro Max'
layers:
- 'model.layers.17'
ipad:
host: 'ipad.host:10128'
description: 'iPad'
layers:
- 'model.layers.18-19'
macbook:
host: 'macbook.host:10128'
description: 'M1 Max'
layers:
- 'model.layers.20-31'
关于内存和磁盘空间优化问题,用户可能希望只向 worker 提供模型中实际需要的数据,而不是整个文件夹,在这种情况下,可以使用 cake-split-model 。例如,要生成较小版本的 llama3 safetensors,可以采用如下代码:
cake-split-model --model-path path/to/Meta-Llama-3-8B \ # source model to split
--topology path/to/topology.yml \ # topology file
--output output-folder-name
参考链接:https://x.com/tuturetom/status/1812654489972973643
热门跟贴